平均最近邻

在上一次，通过全局莫兰指数、P值、Z得分可以得出一份数据是属于离散、随机还是聚集，以及通过局部莫兰指数可以看出哪里出现了聚集。这次是空间统计中的另一个工具—平均最近邻，通过平均最近邻指数可以对比一个区域当中的不同数据，得出哪个数据的聚集程度更大。参数选择比较简单，没什么需要自己设置的，只是【面积】参数需要注意一下，后面说。

平均最近邻工具将返回五个值：z 得分、p 值、平均观测距离、预期平均距离、最近邻指数。

【Z得分和P值】上次在莫兰指数中介绍过了，传送门：空间自相关—莫兰指数，不罗列了。

【平均观测距离】测量每个要素的质心与其最近邻要素的质心位置之间的距离，然后计算所有这些最近邻距离的平均值。

假设这个矩形区域内有四个要素，第一个圆与第二个圆挨的最近，然后测量这俩圆质心的距离，其它类推，这样得出三个距离值，Do（观测平均距离）就是三个距离的平均。

如果该平均距离小于假设随机分布中的平均距离，则会将所分析的要素分布视为聚类要素。如果该平均距离大于假设随机分布中的平均距离，则会将要素视为分散要素。

【预期平均距离】假设随机分布中的平均距离。假设数据是随机分布的，那么这些数据就应该平铺在整个研究区域中，平铺开来的数据的平均距离便是预期平均距离。

式中n代表要素数量，A为研究区域面积。那在这里可以知道为什么开始说【面积】的选择需要注意了。区域A面积为100得出来的结果，和面积10000得出来的结果肯定是完全不一样的。所以，平均最近邻方法对【面积】值非常敏感。在不同的研究尺度下面，得到的结果也完全不一样。面积参数值的细微变化都能导致 z 得分和p值结果产生巨大变化。因此，平均最近邻工具最适用于对固定研究区域中不同的要素进行比较。如果你不指定面积，会默认使用要素的外接矩形来作为你的研究区域。

【最近邻指数】最近邻指数是【平均观测距离】与【预期平均距离】的比值。如果指数小于1，所表现的模式为聚类；如果指数大于1，则所表现的模式趋向于离散或竞争。

【举例，记得先投影】

利用Arcmap中的最近邻分析分别对川渝境内所有文保单位以及所划分的5类文保单位进行分析，得到不同类别数据的最近邻指数。

由表可知，所研究的川渝文物保护单位的ANN均不超过1，Z值为-14.23，呈现出显著聚集状态。其中Z值小于-2.58的有古建筑（ANN=0.69）、近现代建筑(ANN=0.56)，说明该类型在空间上呈现出显著聚集状态，其中近现代类ANN最小，聚类程度最高。石窟寺类ANN为0.91（p=0.249）更趋近于1，该类型为随机分布。古遗址、古墓葬2类文保单位ANN分别为0.782、0.781，都差不多接近1。聚集分布的显著程度比其它的要低一些。

帮助文档里给出的几个适用情形：

1.评估竞争或领地：量化并比较固定研究区域中的多种植物种类或动物种类的空间分布；比较城市中不同类型的企业的平均最近邻距离。

2.监视随时间变化的更改：评估固定研究区域中一种类型的企业的空间聚类中随时间变化的更改。

3.将观测分布与控制分布进行比较：在木材分析中，如果给定全部可收获木材的分布，则您最好将已收获面积图案与可收获面积图案进行比较，以确定砍伐面积是否比期望面积更为聚类。

练习请公众号【一点规划】回复【平均最近邻】